數(shù)據(jù)挖掘理論與應(yīng)用yeqiang@SAP成立于1972年，總部位于德國沃爾多夫市是全球最大的企業(yè)管理軟件供應(yīng)商、全球最大ERP軟件商，全球第三大獨(dú)立軟件供應(yīng)商FortuneGlobal500企業(yè)80%是SAP的用戶。ORACLE公司成立于1977年，總部位于美國加州，全球第二大獨(dú)立軟件供應(yīng)商和第二大ERP軟件供應(yīng)商，1998年Oracle宣布大舉進(jìn)軍應(yīng)用軟件市場(chǎng)What’sthesame？BusinessIntelligenceIDC的一項(xiàng)研究表明北美企業(yè)紛紛轉(zhuǎn)向商務(wù)智能工具的開發(fā)和應(yīng)用。商業(yè)智能軟件市場(chǎng)方興未艾，為低迷的IT產(chǎn)業(yè)帶來一束曙光。根據(jù)弗瑞斯特研究中心（ForresterResearch）的調(diào)查發(fā)現(xiàn)，去年底有44％的企業(yè)表示，計(jì)劃在今年購買BI軟件。另外，據(jù)IDC提供的數(shù)據(jù)，在五年之內(nèi)，商業(yè)智能市場(chǎng)規(guī)模將從現(xiàn)在的55億美元擴(kuò)大到157億美元。正是看到了BI市場(chǎng)的巨大“錢途”，一些IT服務(wù)提供商紛紛推出自己的BI軟件，如Oracle、微軟、IBM公司、國內(nèi)的金碟公司等均大力開發(fā)和推廣BI軟件。與此同時(shí)，一些商業(yè)企業(yè)、制造企業(yè)也在積極應(yīng)用BI軟件，為其決策提供有價(jià)值的服務(wù)。研究生選題美孚公司的客戶分析美孚石油公司畢馬威KPMG參考書：JiaweiHan,MichelineKambr.數(shù)據(jù)挖掘——概念與技術(shù)（影印版）.高等教育出版社,2001.5(英文)韓家煒,MichelineKambr.數(shù)據(jù)挖掘——概念與技術(shù).機(jī)械工業(yè)出版社,2001.8（中譯本）MargaretH.Dunham.數(shù)據(jù)挖掘教程.清華大學(xué)出版社。2003(英文)史忠植.知識(shí)發(fā)現(xiàn).清華大學(xué)出版社,2002.陳文偉，黃金才.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘.人民郵電出版社，2004OliviaParrRud.數(shù)據(jù)挖掘?qū)嵺`.機(jī)械工業(yè)出版社.2003邢文訓(xùn).現(xiàn)代優(yōu)化計(jì)算方法.清華大學(xué)出版社,1999.閻平凡、張長(zhǎng)水.人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計(jì)算.清華大學(xué)出版社,2000劉勇、康立山、陳毓屏.非數(shù)值并行算法——遺傳算法.科學(xué)出版社,2000MISQ(MISQuarterly)ISR

(InformationSystemResearch)CACM(CommunicationoftheACM)MS

(ManagementScience)JMIS(JournalofManagementInformationSystems)AI(ArtificialIntelligence)DSI(DecisionScience)HBR(HarvardBusinessReview)IEEETrans(IEEETransactions)AIMag(AIMagazine)EJIS(EuropeanJournalofInformationSystems)DSS(DecisionSupportSystems)RankingofMISJournalsJournalsofDataMining

DataMiningandKnowledgeDiscovery(DMKD,since1997)SCI（2.8）Springer

Machinelearning(SCI3.258)MonthlySpringerIEEETransactionsonKnowledgeandDataEngineering(TKDE)SCI(1.243)KnowledgeandInformationSystems(KAIS,since1999)SCISpringerManyothers,…DSS、ISRDATA&KNOWLEDGEENGINEERINGACMTransactiononInformationSystemsACMTransactionsonDatabaseSystemsACMTransactionsonKnowledgeDiscoveryfromData(TKDD)國際會(huì)議SIGKDD(InternationalConferenceonKnowledgeDiscoveryandDataMining,ACMSIGKDD,2006August23-26,Philadelphia）SIGMOD(SpecialInterestGrouponManagementOfData,ACMSIGMOD,AssociationforComputingMachinery,June2006,Chicago)ICIS(InternationalConferenceonInformationSystems,AIS)HICSS

（HawaiiInternationalConferenceonSystemScience,IEEE）/在線直播——HanJiawei（韓家煒）1商務(wù)智能概述商務(wù)智能的含義商務(wù)智能（BusinessIntelligence,縮寫為BI）指利用計(jì)算機(jī)及計(jì)算機(jī)網(wǎng)絡(luò)，從商業(yè)數(shù)據(jù)存儲(chǔ)中提取與分析企業(yè)關(guān)注信息的智能化的數(shù)據(jù)分析處理系統(tǒng)。

商務(wù)智能的提出——九十年代末，美國商務(wù)智能的核心技術(shù)

數(shù)據(jù)倉庫DW

,在線分析處理OLAP,數(shù)據(jù)挖掘DMBI—BusinessIntelligence

DW—DataWarehousing

OLAP—On-LineAnalyticalProcessing

DM

—DataMining

ArchitectureofBusinessIntelligenceSystem

(WonKim,19982ndWorldwideComputingandit’sApplications)BusinessIntelligenceApplicationsDataminingengineOLAPengineDataWarehouse/DataMartBasedataBasedataBasedata1）數(shù)據(jù)倉庫為滿足管理決策中的數(shù)據(jù)需求，W.H.Inmon，在1992最先提出了數(shù)據(jù)倉庫的概念。按照Inmon的定義，數(shù)據(jù)倉庫是面向主題的、集成的、穩(wěn)定的、不同時(shí)間的數(shù)據(jù)集合，用于支持經(jīng)營(yíng)管理的決策制定過程。目前已經(jīng)成為企業(yè)級(jí)決策系統(tǒng)的重要組成部分。產(chǎn)品1產(chǎn)品2數(shù)據(jù)倉庫的多維模型1季度地區(qū)維產(chǎn)品維時(shí)間維2季度3季度4季度關(guān)系型數(shù)據(jù)模型（二維）多維數(shù)據(jù)模型：星型：事實(shí)表（中心表），附屬表（維表）雪花型星云型ExampleofStarSchema

time_keydayday_of_the_weekmonthquarteryeartimelocation_keystreetcitystate_or_provincecountrylocationSalesFactTable

time_key

item_key

branch_key

location_key

units_sold

dollars_sold

avg_salesMeasuresitem_keyitem_namebrandtypesupplier_typeitembranch_keybranch_namebranch_typebranchExampleofSnowflakeSchematime_keydayday_of_the_weekmonthquarteryeartimelocation_keystreetcity_keylocationSalesFactTable

time_key

item_key

branch_key

location_key

units_sold

dollars_sold

avg_salesMeasuresitem_keyitem_namebrandtypesupplier_keyitembranch_keybranch_namebranch_typebranchsupplier_keysupplier_typesuppliercity_keycitystate_or_provincecountrycityExampleofFactConstellationtime_keydayday_of_the_weekmonthquarteryeartimelocation_keystreetcityprovince_or_statecountrylocationSalesFactTabletime_key

item_key

branch_key

location_key

units_sold

dollars_sold

avg_salesMeasuresitem_keyitem_namebrandtypesupplier_typeitembranch_keybranch_namebranch_typebranchShippingFactTabletime_key

item_key

shipper_key

from_location

to_location

dollars_cost

units_shippedshipper_keyshipper_namelocation_keyshipper_typeshipper2）OLAP

為滿足基于大型數(shù)據(jù)庫的復(fù)雜查詢、決策分析等需求，彌補(bǔ)OLTP（On-LineTransactionProcessing,在線事務(wù)處理）在功能上的不足，90年代初出現(xiàn)了OLAP技術(shù)（E.F.Codd，1993），目前OLAP已經(jīng)成為大部分?jǐn)?shù)據(jù)倉庫的重要分析工具。多維數(shù)據(jù)模型上的OLAP操作上卷（roll-up)下鉆（drill-down)切片（dice)切塊（slice)旋轉(zhuǎn)（rotate),旋軸（pivot）產(chǎn)品1產(chǎn)品2多維數(shù)據(jù)模型上的操作1季度地區(qū)維產(chǎn)品維時(shí)間維2季度3季度4季度<OLAP演示>3）數(shù)據(jù)挖掘查詢驅(qū)動(dòng)的OLAP可以按要求將數(shù)據(jù)展示在決策者面前，卻無法自動(dòng)發(fā)現(xiàn)潛藏在數(shù)據(jù)中的有用信息，大大降低了數(shù)據(jù)的使用價(jià)值。為實(shí)現(xiàn)對(duì)潛藏信息的自動(dòng)發(fā)掘，90年代中期，出現(xiàn)了數(shù)據(jù)挖掘技術(shù)（DataMining）。數(shù)據(jù)挖掘是源于KDD（KnowledgeDiscoveryinDatabase,數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)）的一項(xiàng)以人工智能為基礎(chǔ)的數(shù)據(jù)分析技術(shù)，其主要功能是在大量數(shù)據(jù)中自動(dòng)發(fā)現(xiàn)潛在有用的知識(shí)，這些知識(shí)可以被表示為概念、規(guī)則、規(guī)律、模式等。2數(shù)據(jù)挖掘概述WhatMotivatedDataMining?Themajorreasonthatdatamininghasattractedagreatdealofattentionintheinformationindustryinrecentyearsisduetothewideavailabilityofhugeamountsofdataandtheimminentneedforturningsuchdataintousefulinformationandknowledge.尿布與啤酒的故事全球連鎖零售巨頭沃爾瑪公司ＮＣＲ公司Teradata（數(shù)據(jù)倉庫）事業(yè)部，提供數(shù)據(jù)倉庫系統(tǒng)DataCollectionandDatabaseCreation(1960sandearlier)-primitivefileprocessingDatabaseManagementSystems(1970-1980s)-Hierarchicalandnetworkdatabasesystems-Relationaldatabasesystems-Indexinganddataorganizationtechniques:B+tree,hashingtree-Querylanguage:SQL,etc.-OLTPAdvancedDatabaseSystems(mid-1980s~present)-ObjectOriented-object-relational-Application-oriented:spatial,temporalWeb-basedDatabasesSystems(1990s-present)-XML-baseddatabasesystems-webminingDataWarehousingandDataMining(late1980s-present)-datawarehouseandOLAPtechnology-DataminingandknowledgediscoveryNewGenerationofIntegratedInformationSystems(2000-…)TheevolutionofdatabasetechnologyWhat’sDataMining?DataMiningreferstoextractingor“mining”Knowledgefromlargeamountofdata.Handetal.(2000)：“Dataminingistheprocessofseekinginterestingorvaluableinformationinlargedatabases.（數(shù)據(jù)挖掘是一種在大型數(shù)據(jù)庫中尋找你感興趣或是有價(jià)值信息的過程。）”DataMiningandKDDDataminingisastepofKDD?DataminingisKDD?DataMining:AKDDProcessDatamining:coreofknowledgediscoveryprocessDataCleaningDataIntegrationDatabasesDataWarehouseKnowledgeTask-relevantDataSelectionDataMiningPatternEvaluationDataMiningandBusinessIntelligence

IncreasingpotentialtosupportbusinessdecisionsDecisionmakerBusinessAnalyst

DataAnalystDBA

MakingDecisionsDataPresentationVisualizationTechniquesDataMiningInformationDiscoveryDataExplorationOLAPStatisticalAnalysis,QueryingandReportingDataWarehouses/DataMartsDataSourcesFiles,InformationProviders,DatabaseSystems,OLTPDataminingisaconfluenceofmultipledisciplinesDatabasetechnologyStatisticsMachinelearningOtherdisciplinesVisualizationDataMiningInformationscienceClassificationofDataMiningSystemsCriteria:ThekindsofdatabasesminedThekindsofknowledgeminedThekindsoftechniquesutilizedTheapplicationsadaptedClassificationaccordingtothekindsofdatabaseminedDatamodels:RelationalDataMiningObject-orientedDataMiningObject-relationalDataMiningDatawarehouseDataMiningTypesofdata:SpatialDataMiningTime-seriesDataMiningTextDataMiningMultimediaDataMiningWebDataMiningClassificationaccordingtothekindsofknowledgeminedDMforcharacterizationknowledgeDMfordiscriminationknowledgeDMforassociationknowledgeDMforclassificationknowledgeDMforclusteringknowledgeDMforoutlieranalysisDMforevolutionanalysisClassificationaccordingtothekindsoftechniquesutilizedMachinelearningStatisticsVisualizationPatternrecognitionNeuralnetworksGeneticAlgorithmClassificationaccordingtotheapplicationsadaptedFinanceSalesdataminingTelecommunicationsDNAsequenceanalysisStockmarketsanalysisE-mailprocessing……DatapreprocessingDatacleaningMissingvalues;NoisyData;InconsistentdataDataintegrationandtransformationThemergingofdatafrommultipledatastoresTransformintotheformsappropriateforminingDatareductionDatacubeaggregation;dimensionalityreduction;datacompression;numerosityreductionDiscretizationandconceptHierarchyGenerationallComputeraccessoryprintersoftwarecomputerWristpadmouseb/wcolorapplicationOSlaptopdesktopIBM…HPMicrosoftToshibaAconcepthierarchyPatternevaluation–InterestingMeasuresSimplicityRulelength(conjunctionnormalform)CertaintyConfidenceUtilitySupportNoveltyPresentationofdiscoveredpatternsRulesTableCrosstabPiechartBarchartDatacubeNeuralnetworkDecisiontreeRevealedPreferencedataAlldataminingusesRPdataRevealedpreferencetheory,pioneeredbyAmerican

economist

PaulSamuelson,isamethodbywhichitispossibletodiscernthebestpossibleoptiononthebasisofconsumerbehavior.Essentially,thismeansthatthepreferencesofconsumerscanberevealedbytheirpurchasinghabits.Revealedpreferencetheorycameaboutbecausethetheoriesofconsumerdemandwerebasedonadiminishingmarginalrateofsubstitution(MRS).ThisdiminishingMRSisbasedontheassumptionthatconsumersmakeconsumptiondecisionsbasedontheirintenttomaximizetheirutility.Whileutilitymaximizationwasnotacontroversialassumption,theunderlyingutilityfunctionscouldnotbemeasuredwithgreatcertainty.Revealedpreferencetheorywasameanstoreconciledemandtheorybycreatingameanstodefineutilityfunctionsbyobservingbehavior.第一節(jié)活塞式空壓機(jī)的工作原理第二節(jié)活塞式空壓機(jī)的結(jié)構(gòu)和自動(dòng)控制第三節(jié)活塞式空壓機(jī)的管理復(fù)習(xí)思考題單擊此處輸入你的副標(biāo)題，文字是您思想的提煉，為了最終演示發(fā)布的良好效果，請(qǐng)盡量言簡(jiǎn)意賅的闡述觀點(diǎn)。第六章活塞式空氣壓縮機(jī)

piston-aircompressor壓縮空氣在船舶上的應(yīng)用：

1.主機(jī)的啟動(dòng)、換向；

2.輔機(jī)的啟動(dòng)；

3.為氣動(dòng)裝置提供氣源；

4.為氣動(dòng)工具提供氣源；

5.吹洗零部件和濾器。

排氣量:單位時(shí)間內(nèi)所排送的相當(dāng)?shù)谝患?jí)吸氣狀態(tài)的空氣體積。單位：m3/s、m3/min、m3/h第六章活塞式空氣壓縮機(jī)

piston-aircompressor空壓機(jī)分類：按排氣壓力分：低壓0.2～1.0MPa；中壓1～10MPa；高壓10～100MPa。按排氣量分：微型<1m3/min；小型1～10m3/min；中型10～100m3/min；大型>100m3/min。第六章活塞式空氣壓縮機(jī)

piston-aircompressor第一節(jié)活塞式空壓機(jī)的工作原理容積式壓縮機(jī)按結(jié)構(gòu)分為兩大類：往復(fù)式與旋轉(zhuǎn)式兩級(jí)活塞式壓縮機(jī)單級(jí)活塞壓縮機(jī)活塞式壓縮機(jī)膜片式壓縮機(jī)旋轉(zhuǎn)葉片式壓縮機(jī)最長(zhǎng)的使用壽命-

----低轉(zhuǎn)速（1460RPM），動(dòng)件少（軸承與滑片），潤(rùn)滑油在機(jī)件間形成保護(hù)膜，防止磨損及泄漏，使空壓機(jī)能夠安靜有效運(yùn)作；平時(shí)有按規(guī)定做例行保養(yǎng)的JAGUAR滑片式空壓機(jī)，至今使用十萬小時(shí)以上，依然完好如初，按十萬小時(shí)相當(dāng)于每日以十小時(shí)運(yùn)作計(jì)算，可長(zhǎng)達(dá)33年之久。因此，將滑片式空壓機(jī)比喻為一部終身機(jī)器實(shí)不為過。滑(葉)片式空壓機(jī)可以365天連續(xù)運(yùn)轉(zhuǎn)并保證60000小時(shí)以上安全運(yùn)轉(zhuǎn)的空氣壓縮機(jī)1.進(jìn)氣2.開始?jí)嚎s3.壓縮中4.排氣1.轉(zhuǎn)子及機(jī)殼間成為壓縮空間，當(dāng)轉(zhuǎn)子開始轉(zhuǎn)動(dòng)時(shí)，空氣由機(jī)體進(jìn)氣端進(jìn)入。2.轉(zhuǎn)子轉(zhuǎn)動(dòng)使被吸入的空氣轉(zhuǎn)至機(jī)殼與轉(zhuǎn)子間氣密范圍，同時(shí)停止進(jìn)氣。3.轉(zhuǎn)子不斷轉(zhuǎn)動(dòng)，氣密范圍變小，空氣被壓縮。4.被壓縮的空氣壓力升高達(dá)到額定的壓力后由排氣端排出進(jìn)入油氣分離器內(nèi)。4.被壓縮的空氣壓力升高達(dá)到額定的壓力后由排氣端排出進(jìn)入油氣分離器內(nèi)。1.進(jìn)氣2.開始?jí)嚎s3.壓縮中4.排氣1.凸凹轉(zhuǎn)子及機(jī)殼間成為壓縮空間，當(dāng)轉(zhuǎn)子開始轉(zhuǎn)動(dòng)時(shí)，空氣由機(jī)體進(jìn)氣端進(jìn)入。2.轉(zhuǎn)子轉(zhuǎn)動(dòng)使被吸入的空氣轉(zhuǎn)至機(jī)殼與轉(zhuǎn)子間氣密范圍，同時(shí)停止進(jìn)氣。3.轉(zhuǎn)子不斷轉(zhuǎn)動(dòng)，氣密范圍變小，空氣被壓縮。螺桿式氣體壓縮機(jī)是世界上最先進(jìn)、緊湊型、堅(jiān)實(shí)、運(yùn)行平穩(wěn)，噪音低，是值得信賴的氣體壓縮機(jī)。螺桿式壓縮機(jī)氣路系統(tǒng)：

A

進(jìn)氣過濾器

B

空氣進(jìn)氣閥

C

壓縮機(jī)主機(jī)

D

單向閥

E

空氣/油分離器

F

最小壓力閥

G

后冷卻器

H

帶自動(dòng)疏水器的水分離器油路系統(tǒng)：

J

油箱

K

恒溫旁通閥

L

油冷卻器

M

油過濾器

N

回油閥

O

斷油閥冷凍系統(tǒng)：

P

冷凍壓縮機(jī)

Q

冷凝器

R

熱交換器

S

旁通系統(tǒng)

T

空氣出口過濾器螺桿式壓縮機(jī)渦旋式壓縮機(jī)

渦旋式壓縮機(jī)是20世紀(jì)90年代末期開發(fā)并問世的高科技?jí)嚎s機(jī)，由于結(jié)構(gòu)簡(jiǎn)單、零件少、效率高、可靠性好，尤其是其低噪聲、長(zhǎng)壽命等諸方面大大優(yōu)于其它型式的壓縮機(jī)，已經(jīng)得到壓縮機(jī)行業(yè)的關(guān)注和公認(rèn)。被譽(yù)為“環(huán)保型壓縮機(jī)”。由于渦旋式壓縮機(jī)的獨(dú)特設(shè)計(jì)，使其成為當(dāng)今世界最節(jié)能壓縮機(jī)。渦旋式壓縮機(jī)主要運(yùn)動(dòng)件渦卷付，只有磨合沒有磨損，因而壽命更長(zhǎng)，被譽(yù)為免維修壓縮機(jī)。

由于渦旋式壓縮機(jī)運(yùn)行平穩(wěn)、振動(dòng)小、工作環(huán)境安靜，又被譽(yù)為“超靜壓縮機(jī)”。

渦旋式壓縮機(jī)零部件少，只有四個(gè)運(yùn)動(dòng)部件,壓縮機(jī)工作腔由相運(yùn)動(dòng)渦卷付形成多個(gè)相互封閉的鐮形工作腔，當(dāng)動(dòng)渦卷作平動(dòng)運(yùn)動(dòng)時(shí)，使鐮形工作腔由大變小而達(dá)到壓縮和排出壓縮空氣的目的。活塞式空氣壓縮機(jī)的外形第一節(jié)活塞式空壓機(jī)的工作原理一、理論工作循環(huán)（單級(jí)壓縮）工作循環(huán)：4—1—2—34—1吸氣過程

1—2壓縮過程

2—3排氣過程第一節(jié)活塞式空壓機(jī)的工作原理一、理論工作循環(huán)（單級(jí)壓縮）

壓縮分類：絕熱壓縮：1—2耗功最大等溫壓縮：1—2''耗功最小多變壓縮：1—2'耗功居中功＝P×V（PV圖上的面積）加強(qiáng)對(duì)氣缸的冷卻，省功、對(duì)氣缸潤(rùn)滑有益。二、實(shí)際工作循環(huán)（單級(jí)壓縮）1.不存在假設(shè)條件2.與理論循環(huán)不同的原因：1）余隙容積Vc的影響Vc不利的影響—?dú)埓娴臍怏w在活塞回行時(shí)，發(fā)生膨脹，使實(shí)際吸氣行程（容積）減小。Vc有利的好處—

（1）形成氣墊，利于活塞回行；（2）避免“液擊”（空氣結(jié)露）；（3）避免活塞、連桿熱膨脹，松動(dòng)發(fā)生相撞。第一節(jié)活塞式空壓機(jī)的工作原理表征Vc的參數(shù)—相對(duì)容積C、容積系數(shù)λv合適的C：低壓0.07-0.12

中壓0.09-0.14

高壓0.11-0.16

λv＝0.65—0.901）余隙容積Vc的影響C越大或壓力比越高，則λv越小。保證Vc正常的措施：余隙高度見表6-1壓鉛法—保證要求的氣缸墊厚度2.與理論循環(huán)不同的原因：二、實(shí)際工作循環(huán)（單級(jí)壓縮）第一節(jié)活塞式空壓機(jī)的工作原理2）進(jìn)排氣閥及流道阻力的影響吸氣過程壓力損失使排氣量減少程度，用壓力系數(shù)λp表示：保證措施：合適的氣閥升程及彈簧彈力、管路圓滑暢通、濾器干凈。λp

（0.90-0.98）2.與理論循環(huán)不同的原因：二、實(shí)際工作循環(huán)（單級(jí)壓縮）第一節(jié)活塞式空壓機(jī)的工作原理3）吸氣預(yù)熱的影響由于壓縮過程中機(jī)件吸熱，所以在吸氣過程中，機(jī)件放熱使吸入的氣體溫度升高，使吸氣的比容減小，造成吸氣量下降。預(yù)熱損失用溫度系數(shù)λt來衡量（0.90-0.95）。保證措施：加強(qiáng)對(duì)氣缸、氣缸蓋的冷卻，防止水垢和油污的形成。2.與理論循環(huán)不同的原因：二、實(shí)際工作循環(huán)（單級(jí)壓縮）第一節(jié)活